Аутономни системи и машинско учење

ID: 3167
врста предмета: научно-стручни
носилац предмета: Миљковић Ђ. Зоран
извођачи: Миљковић Ђ. Зоран
контакт особа: Миљковић Ђ. Зоран
ниво студија: докторске студије
ЕСПБ: 5
облик завршног испита: презентација семинарског рада

извођења

  • 2. семестар, позиција 3

циљ

Аутономни системи подразумевају развој интелигентних машина способних да остварују радне задатке у напредном технолошком окружењу кроз хардверско-софтверску интеграцију, без експлицитног управљања од стране човека-оператера. С обзиром да производне технологије 21. века обухватају ту хардверско-софтверску интеграцију аутономних система, посебно робота, као и аутоматизованих подсистема, овај предмет има за циљ да студенте докторских студија, преко теоријских и практичних аспеката, односно преко алгоритама машинског учења и метода емпиријског управљања аутономних система, из овог угла научног посматрања, оспособи за самосталан развој савремених технолошких система и процеса, њихово моделирање, примену и увођење, све до имплементације напредних технологија у оквиру интелигентних технолошких система, и то кроз освајање нових алгоритама и метода у домену вештачке интелигенције.

исход

Почевши од фундаменталних концепата, овај предмет укључује наглашену научно-истраживачку мултидисциплинарност, базирану на биолошки инспирисаним основама, преко којих се остварују перспективе развоја научних области попут интелигентног управљања, вештачког живота и примене аутономних система у роботизованим производним технологијама 21. века. Исход овог предмета је оријентисан ка научном уздизању и развоју студената докторских студија, пре свега кроз интензиван научно-истраживачки рад заснован на експериментисању у домену хардверско-софтверске интеграције аутономних система у оквиру напредних технологија 21. века, са посебним акцентом на даљем развоју машинске интелигенције и учења (computational intelligence; машинско Q-учење ојачавањем; напредне технике вештачке интелигенције; биолошки инспирисани технолошки системи; итд.).

садржај теоријске наставе

Теоријска настава је организована у више целина: • Аутономни рад и управљање машинских система - Биолошки инспирисано управљање интелигентних машина; • Фундаментални структурни елементи аутономних система - Однос сензор-актуатор; • Софтверске архитектуре за аутономне системе - Хијерархијске архитектуре; Реактивне и бихевиористичке архитектуре; Хибридне архитектуре; Отворене архитектуре; • Шта је то машинско учење? - Природа учења; Пробабилистички приступ машинском учењу; • Емпиријско управљање - Алгоритам емпиријског управљања; Примена и утицај аксиоматске теорије пројектовања на развој емпиријског управљања; • Управљање фамилије мобилних робота - Интелигентно управљање колоније једноставних мобилних робота; • Трендови развоја аутономних робота - Микро- и нано-роботи; Потенцијалне опасности интензивног развоја аутономних робота.

садржај практичне наставе

Практична настава је организована у више целина: • Локализација и изградња мапе технолошког окружења (лабораторијски рад); • Комуникативност и интерактивност робота у радном окружењу (лабораторијски рад); • Машинско учење и управљање (лабораторијски рад); • Роботско учење (лабораторијски рад); Еволутивни алгоритми; Учење имитирањем; • Архитектуре интелигентног управљања мобилних робота (лабораторијски рад); Хетерогени роботски тимови и кооперативни рад; Реконфигурабилност мобилних робота; • Само-организовање, аутономна еволуција и само-репродукција робота.

услов похађања

Превасходно завршен технички факултет.

ресурси

(1) З.Миљковић, Д.Алексендрић, ВЕШТАЧКЕ НЕУРОНСКЕ МРЕЖЕ – збирка решених задатака са изводима из теорије, Машински факултет, Београд, 2009, 18.1 (2) Калајџић,М.,(редактор), Тановић,Љ., Бабић,Б., Главоњић,М., Миљковић,З., Пузовић,Р., и др., ТЕХНОЛОГИЈА ОБРАДЕ РЕЗАЊЕМ (VII издање), Приручник – помоћни уџбеник, Машински факултет, Београд, 2012. 18.1 (3) З.Миљковић, Системи вештачких неуронских мрежа у производним технологијама, Серија монографских дела Интелигентни технолошки системи, Књига 8, Машински факултет, Београд, 2003, 18.1 (4) Б.Бабић, FLEXY–Интелигентни експерт систем за пројектовање ФТС, Серија монографских дела Интелигентни технолошки системи, Књига 5, Машински факултет, Београд, 1994, 18.1 (5) Лабораторијски прототипови мобилних робота (Khepera II мобилни робот са хватачем и камером; LEGO Mindstorm NXT комплет реконфигурабилног мобилног робота са сензорима), Лабораторија CeNT, Машински факултет у Београду, 18.12 (6) Лабораторијски модел пројектованог технолошког система (учило), Лабораторија CeNT, Машински факултет у Београду, 18.12 (7) Софтверски пакети (BPnet, ART Simulator, Matlab, AnyLogic, Flexy), Лабораторија CeNT, Машински факултет у Београду, 18.13

фонд часова

укупан фонд часова: 60

активна настава (теоријска)

ново градиво: 15
разрада и примери (рекапитулација): 5

активна настава (практична)

аудиторне вежбе: 0
лабораторијске вежбе: 10
рачунски задаци: 0
семинарски рад: 5
пројекат: 0
консултације: 0
дискусија/радионица: 0
студијски истраживачки рад: 0

провера знања

преглед и оцена рачунских задатака: 0
преглед и оцена лабораторијских извештаја: 10
преглед и оцена семинарских радова: 10
преглед и оцена пројекта: 0
колоквијум са оцењивањем: 0
тест са оцењивањем: 0
завршни испит: 5

провера знања (укупно 100 поена)

активност у току предавања: 15
тест/колоквијум: 0
лабораторијска вежбања: 15
рачунски задаци: 0
семинарски рад: 30
пројекат: 0
завршни испит: 40
услов за излазак на испит (потребан број поена): 40

литература

З.Миљковић, Д.Алексендрић, ВЕШТАЧКЕ НЕУРОНСКЕ МРЕЖЕ – збирка решених задатака са изводима из теорије, Машински факултет, Београд, (2009).; R.Siegwart,I.R.Nourbakhsh,D.Scaramuzza, INTRODUCTION TO AUTONOMOUS MOBILE ROBOTS, 2nd Edition, The MIT Press, (2011); R.Siegwart,I.R.Nourbakhsh, INTR. TO AUTONOMOUS MOBILE ROBOTS, The MIT Press, 2004.; G.A. Bekey, AUTONOMOUS ROBOTS: From Biological Inspiration to Implementation and Control, The MIT Press, Cambridge, Massachusetts, London, England, (2005) .; R.A. Brown, MACHINES THAT LEARN, Oxford University Press, (1994).; E. Alpaydin, INTRODUCTION TO MACHINE LEARNING, 2nd Edition, The MIT Press, Cambridge, England, (2010).; E. Alpaydin, INTRODUCTION TO MACHINE LEARNING, The MIT Press, Cambridge, England, (2004).;